BlockMeAgain

Stand up and Speak out

[BlockMeAgain @DavidSputnikBBC]

倍感欣慰

[BlockMeAgain @DavidSputnikBBC]

有空的可以研究下

[Jealousy 尼卡 @eastweb3eth]

跟着 特朗普和国会高官 买股票，你还会亏嘛？

刚刚发现了一个超牛逼的网站，这个网站追踪了 特朗普和美国国会高官 的全部股票持仓，而且是实时的。

除此之外，还有 吉姆·克莱默追踪器 和 内幕交易 追踪。 可以说是我发现功能最强大网站。

网站地址：https://t.co/pJ1Rn0qwcc

本文非投资建议，大家投资股票请DYOR

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

[BlockMeAgain @DavidSputnikBBC]

无法用大白话解释清楚的知识都不是真懂

[波波 Lucy @BoboLucyWisdom]

我经常跟我女儿说，你不要觉得有些东西很难懂就很高深。

难懂只是因为他们在说术语，而术语只不过是一些简单知识的抽象命名。

这些术语堆积起来成为了知识的壁垒。在自然科学领域，还可以说这是一种必要之路，而在人文学科领域，基本上这就是一种学术垄断。

进入任何一个门类学习，第一件事就是将术语break down and decode, 统统用大白话理解一遍，你就会明白没有什么高深的东西，只是许多信息的叠加。

最终让一个人具有智慧的，从来不是这些高深的术语概念，而是回归基本逻辑思考和直觉。

～关注我，一起探索灵魂自由之路～

[BlockMeAgain @DavidSputnikBBC]

ICT时代需要企业数字化和信息化转型，当前需要企业AI化，结合自身数据和商业逻辑让AI本地化，这种模式是大概率的方向

[宝玉 @dotey]

微软 CEO Satya Nadella 发了一篇长文，提出了一个新概念：Token 资本。

他的核心论点是，AI 时代每家公司都需要同时经营两种资本。一种是传统的人力资本，员工的知识、判断力、关系网络；另一种是 Token 资本，公司自己构建并拥有的 AI 能力。两者不是此消彼长的关系，人的判断力越强，Token 资本增长越快。没有人的方向引导，算力只是在空转。

这个说法听起来抽象，但 Nadella 给出了一个具体的检验标准：你能不能随时换掉底层的通用大模型，而不丢失公司积累的专有经验？如果能，说明你真正拥有自己的 AI 能力；如果不能，说明你只是在租用别人的智能。

他建议企业把工作流、行业知识、决策经验转化成可以持续改进的 AI 系统，建立私有评估体系来衡量模型在实际业务中的表现，而不是只看公开跑分。这个学习飞轮一旦转起来，就像复利，每次改进的工作流都会产生更好的训练信号，进一步加速知识积累。

Nadella 还发出了一个颇有政治意味的警告。他拿全球化做类比：第一轮全球化时期，GDP 数字看着不错，但整个产业被外包掏空了，后果至今还在显现。如果 AI 时代重演这个剧本，少数几个模型吃掉所有行业的知识和价值，"政治经济体系不会容忍这种结局"。

--- 原文翻译 ---

没有生态支撑的前沿技术，注定无法行稳致远
Satya Nadella

最近，我一直在深思：在由人工智能驱动的经济浪潮中，企业的未来究竟在哪里？

这次变革与以往任何一次平台更迭都截然不同。过去，我们只是用数字化系统来提升人类的工作效率。但这一次，我们破天荒地在人类与数字系统之间建立起了一个真正的认知循环 (cognitive loop)。这绝对是个颠覆认知的概念，因为它彻底改变了我们对企业内部“工作”本质的定义。

当 AI 模型能够源源不断地吸收人类和组织的专业知识，并将其变成大众化的廉价商品（即将原本稀缺的专业技能变成人人唾手可得的通用能力，从而削弱企业的核心壁垒）时，真正的危机出现了。我们面临的关键挑战，不再仅仅是如何使用某个数字化工具或系统，而是企业该如何在这个全新的世界中持续学习、积累知识产权 (IP)、保持独特性并茁壮成长。

每家公司都必须构建两种资本：一种是我们熟知的“人力资本” (human capital)，另一种我称之为“Token 资本” (token capital)。人力资本包含了员工的知识储备、判断力、人脉关系、创造力以及识别事物规律的能力；而 Token 资本则是指企业自身打造并掌控的 AI 实力（在这里，“Token 资本”一词很形象，因为大语言模型 (LLM) 处理信息的基本单位就是 Token）。

必须强调的是，随着 Token 资本的不断壮大，人力资本并不会因此贬值。相反，它会变得比以往任何时候都更加宝贵！我坚信，人类的主观能动性 (human agency) 将是推动 Token 资本增长的核心引擎。人类负责设定宏大的目标，跨领域地将线索串联起来，建立关系网，并洞察出最关键的规律。如果没有人类在前方指引方向，那些强大的计算力不过是在原地打转罢了。

这就意味着，真正的机遇并不在于你去市面上挑选一个“最好”的模型，而在于如何在模型的基础之上，构建一个能让人力资本和 Token 资本产生复利效应 (compound) 的“学习循环” (learning loop)。你可以把某项任务甚至整个岗位都外包出去，但你绝对不能把“学习能力”给外包了。企业未来的核心竞争力，就在于能否在人类与 AI 之间不断积累并放大这种学习能力。

这需要一种全新的架构思路：每家企业都要能够构建出能随着时间推移自我迭代的 AI 智能体系统 (agentic systems)，同时还要牢牢掌控自己的知识产权。一家公司应该能够随时替换掉底层的某个“通才模型” (generalist model)，而不丢失那些已经沉淀在系统里的、像“公司老兵”一样丰富的专业经验。在未来的时代，这将是检验企业是否拥有数据控制权和技术主权的关键“试金石”。

企业需要将自身的工作流、领域知识以及多年积累的判断力，统统转化为每一次使用都能自我进化的 AI 系统。企业应当建立私有评估机制 (private evals)（即企业内部针对自身真实业务场景定制的模型能力测试标准），用来检验模型是否真正在对企业有价值的结果上取得了进步，而不能仅仅依赖外界的公开跑分盲目自嗨！专属的强化学习 (reinforcement learning) 环境，应该让模型通过吸收组织内部真实的业务数据和工作轨迹变得越来越强大。这样的专属知识库，能让企业的组织记忆变得随时可检索，同时也让 token (tokens) 的运转效率大幅提升。

这种循环，将成为企业全新的知识产权。我把它想象成一台不断向上攀登的机器 (hill climbing machine)。而且与大多数资产不同，它具有强大的复利效应。每一个被优化的工作流，都会产生更优质的训练信号，从而加速这家企业独有的隐性知识 (tacit knowledge) 的积累。那些尽早布局构建这种循环的公司，将会获得一道难以复制的护城河，无论未来市面上又出了什么能力炸裂的新模型，都无法轻易撼动其地位。

我们最不愿看到的局面，就是各行各业的所有公司，都在向少数几个贪婪吞噬一切的巨头模型割让价值。如果所有的经济价值都只被少数几个模型垄断，政治经济体制是绝对无法容忍的。社会也绝对不会允许一个让整个产业被彻底掏空的 AI 未来。

回想一下全球化初期发生的事情吧：大规模的业务外包曾让许多工业经济体被彻底掏空。表面上看 GDP 数据依然光鲜亮丽，但大量产业工人流离失所是血淋淋的现实，其带来的严重后果至今仍未消散。我们绝不能让这种悲剧在 AI 时代重演——决不能让少数几个 AI 系统攫取了所有的经济回报，而一整个行业的从业者却只能眼睁睁地看着自己赖以生存的专业知识被无情地廉价化。

在我看来，我们的当务之急不仅是打造前沿模型 (frontier model)，更要构建一个繁荣的“前沿生态系统” (frontier ecosystem)。只有这样，价值才能像活水一样，广泛地流向每一家公司、每一个行业、每一个国家。在这个生态中，每个组织都能拥有属于自己的学习循环，将组织智慧沉淀其中，让人力资本与 Token 资本共同实现滚雪球式的增长。

这也是伴随我职业生涯一路走来的核心理念：真正的平台，能够让在其之上生长出来的价值，远远大于平台自身所截留的价值。在这样的生态里，每家公司都能持续创新，并构建属于自己的真正价值。

当这一切实现时，企业不仅能为自己、也能为周边的整个经济体创造巨大的红利。员工们将会看到自己的专业技能被无限放大，个人的判断力将被融入系统，变得可以复制和规模化应用。而这一切带来的好处，最终将回馈给企业以及他们所在的广泛社区。

这才是企业为自身和宏观经济创造价值的正确方式。这也是我们应当携手共建的、稳定而持久的生态平衡。

[BlockMeAgain @DavidSputnikBBC]

这种预测只能解读为他知道一年到一年半之内要动台湾了。的确，这将是AI股票地狱级别的崩盘时刻。

[Russell @Russell3402]

高志凯在深圳放话：
12 到 18 个月内，全球大概率爆发一场规模前所未有的金融危机
而且这次会比 2008 更严重

[BlockMeAgain @DavidSputnikBBC]

AI下一个可能的叙事逻辑，Token Economics。https://t.co/35hLJeSpq2

[BlockMeAgain @DavidSputnikBBC]

FLEX =? Quanta+Vertiv+Supermicro !

[Annie 所长 @web3annie]

2026最全AI产业链44只核心牛股：建议收藏，这是未来十年的印钞机地图！

1. 英伟达 $NVDA
核心AI算力王者，GPU+CUDA生态垄断级优势，AI训练与推理需求爆发直接受益

2. AMD $AMD
AI GPU替代与CPU双线突破，性价比路线切入数据中心算力扩张

3. 英特尔 $INTC
IDM+先进封装转型，试图重夺AI芯片与代工生态关键入口

4. 博通 $AVGO
AI网络+定制ASIC核心供应商，云厂商定制芯片最大受益者之一

5. 高通 $QCOM
边缘AI与移动端AI计算核心玩家，AI手机升级周期驱动

6. Arm $ARM
AI芯片架构底座，低功耗计算标准制定者，AI终端扩散核心受益

7. 美光科技 $MU
HBM高带宽内存核心供应商，AI训练带宽瓶颈直接受益

8. 台积电 $TSM
全球AI芯片唯一超级代工厂，先进制程+CoWoS封装绝对核心

9. 阿斯麦 $ASML
EUV光刻机垄断者，AI芯片制程升级不可替代设备核心

10. 应用材料 $AMAT
半导体设备全链条覆盖，先进制程扩产核心受益

11. KLA $KLAC
晶圆检测与良率控制核心，AI芯片良率决定者

12. 泛林集团 $LRCX
刻蚀与薄膜沉积关键设备龙头，先进制程不可或缺

13. 日月光 $ASX
全球封测龙头，AI封装产能紧缺核心受益

14. Amkor $AMKR
先进封装外包核心厂，Chiplet趋势受益者

15. ASEP/鸿腾精密 $06088.HK
高速连接与AI硬件代工，AI服务器组装关键节点

16. Vertiv $VRT
AI数据中心散热与电力基础设施龙头，算力密度提升直接受益

17. 伊顿 $ETN
AI数据中心电力系统核心，800V高压供电趋势受益

18. GE Vernova $GEV
全球电力基础设施升级核心，AI电网需求驱动

19. Coherent $COHR
光模块与激光技术核心，AI高速通信受益

20. Lumentum $LITE
光通信器件龙头，AI数据传输带宽升级受益

21. Credo $CRDO
高速SerDes芯片核心，AI服务器互联关键环节

22. Astera Labs $ALAB
AI数据中心互联芯片新贵，PCIe/CXL架构核心受益

23. Arista Networks $ANET
AI数据中心交换机龙头，AI网络架构核心公司

24. 思科 $CSCO
传统网络巨头转型AI数据中心基础设施

25. 康宁 $GLW
光纤与数据中心连接材料核心供应商

26. Wolfspeed $WOLF
碳化硅材料龙头，800V电源与高效供电核心

27. 意法半导体 $STM
宽禁带半导体与车用+AI电源双受益

28. 英飞凌 $IFNNY
功率半导体龙头，AI供电系统关键供应商

29. Monolithic Power $MPWR
高性能电源管理芯片核心，AI服务器供电核心

30. 德州仪器 $TXN
模拟芯片巨头，AI电源管理与工业控制基础层

31. 富士电机 $6504.JP
工业电力与功率半导体核心，日本能源转型受益

32. 三菱电机 $6503.JP
工业自动化+电力系统，AI基础设施间接受益

33. 日立 $6501.JP
能源与工业数字化基础设施核心

34. Micron HBM链 $MU
HBM供给紧缺周期核心受益者（AI内存瓶颈核心）

35. 迈威尔Marvell $MRVL
AI定制芯片+数据中心互联双轮驱动

36. ASMPT $00522.HK
先进封装设备核心供应商，Chiplet趋势受益

37. ON Semiconductor $ON
汽车+AI电源双赛道，功率器件龙头

38. Navitas $NVTS
GaN电源技术新玩家，AI高效供电方案受益

39. Macom $MTSI
高速模拟与光通信芯片关键供应商

40. Semtech $SMTC
高速互联与信号管理芯片厂商

41. Tower Semiconductor $TSEM
特色工艺代工，AI模拟与射频芯片受益

42. Flex $FLEX
AI服务器与硬件制造外包核心厂

43. Amphenol $APH
高速连接器龙头，AI服务器内部连接关键

44. TE Connectivity $TEL
全球连接器巨头，AI数据中心硬件基础设施核心

对照着👆一个个加入自选！

[BlockMeAgain @DavidSputnikBBC]

MRVL太疯狂了，正股53%的涨幅，两倍做多一天110%的涨幅，看着夜盘，我恍惚了，我有点儿惊讶到了

[Art of Speculation @ArtofSpecuycky]

板块轮动要来了，你准备好了吗？

市场永远不会只涨一个方向。当高估值、拥挤交易开始透支预期，资金就会开始从高处流向低处。

下一阶段，资金可能从：
纯AI硬件 → 软件
高beta成长 → 稳定现金流
高估值热门股 → 被低估的大市值

Here’s 9 stocks that could benefit from the next rotation:

☁️软件 / Enterprise Software
$MSFT — AI商业化真正开始兑现，Copilot渗透率才刚起步
$ORCL — 云收入加速，但估值仍远低于超级云同行
$NOW — 企业AI自动化核心受益者，Agentic AI真正落地场景
$SNOW — 数据层 + AI推理时代，估值已经被压缩很久
$CRM — AI Agent + 企业客户基础，属于被遗忘的大象

💳 Fintech
$SOFI — 降息周期 + 消费复苏 + 金融超级App逻辑
$HOOD — 加密、期权、预测市场三重beta，流量红利仍在

⚡ 能源 / 公用事业
$CEG — AI数据中心最终瓶颈是电力，不是GPU
$VST — AI时代最确定的“卖铲子”之一：稳定电力供应

资金不会永远停留在最拥挤的地方。
水往低处流。而下一阶段，可能就是大市值低估值 AI受益股的补涨行情。

[BlockMeAgain @DavidSputnikBBC]

如果你们知道Nvidia已经从GPU芯片提供商转型成AI系统集成商，GB200和300的服务器里的CPU和GPU比例是1:2，一个机柜里有36个它自己的Grace CPU和72个 GPU，你们还会不会觉得CPU比例上升会利好Intel？

等NVDA财报看它是否能突破吧，一旦大涨，大多数人才会被告知CPU比例上升主要还是利好NVDA！

[BlockMeAgain @DavidSputnikBBC]

@darrencao2024 100多只，主打一个雨露均沾

[BlockMeAgain @DavidSputnikBBC]

虽然期待更高，但这一波真的可能快到头了

下周要逢高减仓了，去杠杆，立个Flag

[偶像派作手 @oxpsats]

美股特色，底不一定给足时间让你抄，但是顶一定给足时间让你逃。

[BlockMeAgain @DavidSputnikBBC]

王德峰最出圈的“暴论”就是：
“上班就是一场戏，
因为贫穷才相聚。”

我在上班的路上笑出了声😂

[BlockMeAgain @DavidSputnikBBC]

@GanchengW 老板画饼可以理解，员工画饼就有点儿虚幻了

[BlockMeAgain @DavidSputnikBBC]

按图索骥

[Rocky @Rocky_Bitcoin]

很多人炒 AI，眼里只有英伟达！

涨了追，跌了慌，最后发现自己就是在坐过山车。其实真正聪明的钱，早就开始布局 AI 的物理层了。

什么叫物理层？就是那些给 #AI 芯片提供电、散热、连接、封装的公司。英伟达再牛，也得靠这些'卖铲子'的公司来支撑整个生态。

我们看看数据就知道了：
• AI 服务器功耗从传统的 5-10kW 飙升到 100kW+
• 液冷市场预计 2030 年达到 300亿美金，年复合增长率超 40%
• HBM 内存需求年增长 150%，供不应求
• 光模块从 800G 升级到 1.6T，整个产业链都在狂奔

这些需求，不是英伟达一家能解决的。而是整个供应链上，几十家公司共同支撑的结果。

👇今天就给大家拆解一下，AI 物理层那些关键的'卖铲子'龙头公司，搞懂这些，基本投资 #AI 也就不再迷茫了！🧐

高功率、窄线宽激光器 Coherent ( #COHR)
窄线宽激光器是 1.6T 光模块及硅光子技术的"心脏"。Coherent 是全球磷化铟激光器龙头，直接受益于 AI 光连接升级。

玻璃芯基板 Corning (#GLW)
玻璃基板是摩尔定律的新救星。康宁凭借数十年在精密玻璃领域的统治力，是 Intel 等芯片巨头首选的研发合作伙伴。

硅光子学 Marvell (#MRVL)
虽然 Nvidia 也做，但 Marvell 的硅光子平台及 DSP 芯片在开放市场更具适配性，是实现大规模芯片间光互联的核心中枢。

高功率密度电源模块 Vicor (#VICR)
Vicor 的核心是模块化电源架构（FPA），能将电源直接封装在 PCB 上，解决 AI 芯片瞬时电流和功率密度的难题。

多层陶瓷电容器 Murata (#MRAAY)
虽然是日股，但在美股有 ADR。村田在全球 MLCC 市场份额约 30%，AI 服务器对高容、高可靠性 MLCC 的需求是传统服务器的数倍。

配电系统与 UPS Eaton (#ETN)
伊顿是数据中心配电的核心玩家。随着 AI 芯片功耗激增，其智能配电单元（ePDU）、UPS 不间断电源以及电力管理系统需求爆发。

高带宽内存 Micron (#MU)
美股最纯粹的存储巨头。其 HBM3e 产品在能效比上极具竞争力，是除了海力士外 NVIDIA 及其它 AI 芯片的主要供应商。

先进封装设备 Applied Materials (#AMAT)
它是"工具制造者"。无论是 2.5D 还是 3D 封装，所需的薄膜沉积、化学机械抛光等设备，AMAT 拥有最全的产品线。

数据中心基础设施 Vertiv (#VRT)
数据中心基础设施的绝对龙头。它不仅做散热，其高功率配电母线和集成电源架（Power Rack）是 AI 机柜的物理骨架。在从风冷转向液冷（冷板式、浸没式）的趋势中，Vertiv 与 NVIDIA 的 Blackwell 架构深度绑定，增长确定性极强。

混合键合设备 BESI (#BESIY)
混合键合是实现 3D 堆叠（如 HBM 和逻辑芯片互联）的最前沿技术，BESI 和东京电子是该工艺设备的主要玩家。

电网变压器 / 燃气轮机 GE Vernova (#GEV)
从通用电气拆分出来的能源巨头。数据中心缺电的终极解决方案是燃气轮机补电和电网变压器升级，它是美国本土的电力基石。

ABF 基板与高端 PCB Ibiden (#IBIDY) (日股/美股 ADR)
虽然欣兴等也是巨头，但斐电 (Ibiden) 在高端服务器以及AI 芯片级 ABF 基板的良率和份额上一直处于最顶端。专门生产 AI 服务器所需的超多层和高密度互连（HDI）PCB。财报显示，其数据中心业务板块受益于 NVIDIA Blackwell 等下一代架构的放量，订单占比显著提升。

高端 PCB 制造 TTM科技(#TTMI)
TTM 是美股中重要的高端 PCB 制造商之一，尤其在复杂、大批量的 AI 基础设施领域，拥有成熟的供应链和技术积累。

总结一下，AI 的钱，不是只有英伟达能赚。整个供应链上，从电源、散热、连接到封装，每一个环节都藏着机会。

这些'卖铲子'的公司，有几个共同特点：
• 技术壁垒高，不是谁都能做
• 客户粘性强，换供应商成本巨大
• 需求确定性高，AI 算力扩张是长期趋势
• 估值相对合理，不像英伟达那么拥挤

当然，投资这些公司也要注意风险：
• 部分公司市值小，流动性差
• 日股 ADR 有汇率风险
• 供应链集中在亚洲，地缘政治风险不能忽视
• 技术迭代快，今天的龙头明天可能掉队

我的建议是，别把鸡蛋放在一个篮子里。英伟达可以配，但物理层的这些公司，也值得分散布局。尤其是那些被市场低估、但技术确实硬的标的。

最后还是那句话，DYOR🙏 每家公司的财报、订单情况、竞争格局都要自己研究透。别人说好不算好，自己看懂了才是真的好。🧐

目前上述提及的公司在 #MSX 上面基本都有，炒美股，我选择用 #RWA 美股代币化平台 #MSX，一同投资参与美股市场：https://t.co/x4ykUw3WBj

早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

[BlockMeAgain @DavidSputnikBBC]

员工电脑操作追踪系统可怕😱的不是监管员工，而是直接训练AI Agent替代员工岗位。

这是最后一批人类系统操作员（白领）在跟AI交接工作呢

[AYi @AYi_AInotes]

我看完Meta的内部监控备忘录才明白，为啥它投了这么多钱培养了这么多 AI 人才，最后还是在AI赛道掉队了。以及为啥 OpenAI 为什么追不上Anthropic 也可见一斑🙃🙃🙃

Meta最新的内部备忘录，在整个职场和AI圈炸了🤯

4月21日，Meta正式向全美员工推送内部计划，上线MCI追踪工具。
全程记录键鼠输入，鼠标轨迹，随机截取屏幕画面。
对外口径很克制，所有数据仅用于训练办公AI代理，优化自动化操作，不纳入绩效考核。

但这件事的边界早就悄悄模糊了😔

知名投资人 Jason把这件事定义为2026年的职场终极趋势，
在他的逻辑里，这套员工监控体系，不该只用来训AI，
它会成为企业最锋利的管理工具。

精准识别摸鱼的人，剔除混功劳的人，淘汰可被替代的轻中层，

筛选真正创造价值的核心员工，精简冗余架构，倒逼全员产出。

直白的说， AI正在让所有形式的假性工作无处藏身。

我刷了一圈评论区，很多人只看到表层的监控焦虑，忽略了更深层的代价。

其实谷歌多年的团队研究早已证实，高绩效团队的核心底色是心理安全。

也就是说当每一次点击，每一段输入都被实时记录归档，
员工会立刻进入防御状态，放弃试错，放弃创新，放弃跨界协作，
只做可量化，可留痕，不会出错的机械工作。

监控能提升短期效率，却会慢慢腐蚀一家公司的创造力与长期韧性。

因为极致精益的背后往往是人才流失，氛围内卷，和创新枯竭。

而当下AI行业最扎心的差距，也恰恰体现在这里，我们看看 OpenAI 和Anthropic。

2026年，Anthropic在企业营收，客户留存，商业化落地全面反超。

外界总以为，差距卡在模型能力、算力储备或是融资规模。

但事实恰恰相反，
真正拉开鸿沟的，是两家公司完全不同的组织底色。

OpenAI一路狂奔，频繁摇摆，治理结构反复动荡，
高速追热度，追流量，追消费者市场规模。
长期陷入内耗与人才流失，安全团队与商业化路线持续撕裂。

@AnthropicAI 从诞生之初，就带着稳定的长期主义基因。
宪政AI刻入企业文化，长期信托架构兜底发展。
温和审慎的节奏，稳定的决策逻辑，极高的员工心理安全感。
也正因如此，它持续吸纳顶尖研究人才，牢牢拿下高毛利企业市场。

说白了， AI下半场的竞争，早就不是单纯的模型比拼，
已经分化成了两条完全相反的道路。

一边是Meta式的效率逻辑，@Meta
用数据监控压缩人力成本，用自动化替代重复岗位，追求短期利润最大化。

另一边，是Anthropic的长期逻辑。
用稳定治理守住信任，用人文底色留住顶尖人才，靠可靠与合规拿下企业市场。

AI会淘汰低效的工作，这是必然趋势。
但靠监视与压榨换来的效率，我觉得注定走不远。

未来能站稳脚跟的企业，最终拼的不该是极致管控，
应该是在自动化浪潮里，守住人本身的创造力与价值。

[BlockMeAgain @DavidSputnikBBC]

学无止境啊！认知即财富！

[Terry @RichTerry123]

不止是光模块，大家还可以关注一下高端 PCB和CPO光引擎，它们也将迎来从 1 到 10 的爆发。

最近研究了一个高盛的关于光网络的报告，2026-2027 年，产业链最卡脖子的地方是上游的 EML/CW 激光器和 InP。

这份报告给了一个比较清晰的三年滚动看盘指南：

2026 年： 看速率与放量。盯1.6T 光模块的放量节奏，以及硅光比例的提升，模块厂依然是业绩兑现最确定的基本盘。

2026 - 2027 年： 看瓶颈与涨价。重点跟踪 CW 激光器、EML 及InP 的交期和价格。

2027 - 2028 年： 看架构重塑与 CPO。密切关注 CPO 平台的大规模商业化落地，以及与之配套的 PCB 中背板 供应商。

[BlockMeAgain @DavidSputnikBBC]

“得激光器者得天下” 将是 2027 年半导体行业的共识。布局开始！

[Terry @RichTerry123]

为什么说2026-2027 年，产业链最卡脖子的地方是 InP 和激光器？

高盛报告提到，硅光技术因为成本和功耗优势，在 1.6T 时代会大幅普及。

（1.6T指的是光模块的数据传输速率，不懂的可以问问ai）

硅光有一个弱点：硅是间接带隙半导体，它不能发光。

所以必须外挂一个CW激光器，对于非硅光的传统方案，高速长距离传输必须使用 EML激光器，

EML很短缺，良率爬坡很难，全球能做的也就是 $LITE 、 $COHR 等极少数几家，

无论是 EML 还是 CW 激光器，万变不离其宗，底层材料还是Inp。

[BlockMeAgain @DavidSputnikBBC]

@AYi_AInotes 有了馬，需要马夫驾驭馬；
有了车，需要司机驾驶车；
有了AI，需要 XX 驾驭AI。

[BlockMeAgain @DavidSputnikBBC]

第一周了解了环境，业务流程，系统任务，问题分析。

这不是我喜欢的工作，但和做保洁一样，我愿意顺服，服侍神也服侍人，求神赐我智慧能力，让我尽快地掌握基本技能，熟悉业务和系统，让我可以轻松自在地工作，兼顾工作和生活，还有时间做自己喜欢的事情。

我愿全然交托仰望，求神带领！